[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"skill:01M699S06EPBY6SSB81YWXTZQM":3,"skill-same:01M699S06EPBY6SSB81YWXTZQM":138},{"skillNo":4,"name":5,"nameZh":6,"description":6,"descriptionZh":6,"repositoryFullName":7,"ownerLogin":8,"ownerAvatarUrl":9,"ownerAccountNo":10,"ownerDisplayName":11,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":6,"sourceHtmlUrl":15,"categories":16,"keywords":17,"publishedAt":20,"linkOnly":21,"markdownContent":22,"markdownBody":23,"frontMatter":24,"refName":25,"commitSha":26,"skillDirectory":27,"forksCount":28,"repositoryHtmlUrl":29,"repositoryHomepageUrl":30,"ownerHtmlUrl":31,"ownerBlogUrl":32,"ownerDescription":33,"updatedAt":34,"install":35,"resources":48},"01M699S06EPBY6SSB81YWXTZQM","local-ai-agents",null,"microsoft\u002Fai-agents-for-beginners","microsoft","https:\u002F\u002Favatars.githubusercontent.com\u002Fu\u002F6154722?v=4","01M698VYDXZ6JW5WH3CRV650R8","Microsoft","01M6998ZK2275KMJE6Y5SEA2X2",79423,"MIT","https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fai-agents-for-beginners\u002Fblob\u002Fmain\u002Ftranslations\u002Fpt-BR\u002F.agents\u002Fskills\u002Flocal-ai-agents\u002FSKILL.md",[],[18,19],"ai agents","local ai agents","2026-11-10 10:12:30",false,"---\nname: local-ai-agents\nlicense: MIT\n---\n# Criando Agentes de IA Locais com Foundry Local e Qwen\n\n> Habilidade acompanhante para [Lição 17 – Criando Agentes de IA Locais](..\u002F..\u002F..\u002F17-creating-local-ai-agents\u002FREADME.md).\n> Use-a para ajudar um aprendiz a construir um agente que raciocina, chama ferramentas e busca\n> documentação inteiramente na sua própria máquina — sem inferência na nuvem. Baseie toda\n> recomendação no conteúdo da lição e no notebook executável.\n\n## Gatihos\n\nAtive essa habilidade quando um aprendiz quiser:\n- Rodar um agente **totalmente no dispositivo** por motivos de privacidade, custo ou offline.\n- Servir um modelo localmente com **Foundry Local** e conectar via endpoint compatível com OpenAI.\n- Usar um modelo de **chamada de função Qwen** para conduzir chamadas confiáveis a ferramentas locais.\n- Adicionar **RAG local** (Chroma) ou um **servidor MCP local**.\n- Projetar uma estratégia de roteamento **híbrida** local\u002Fnuvem.\n\n## Modelo mental principal\n\nUm SLM troca amplitude por privacidade, custo e operação offline. A estratégia vencedora:\n**deixe o SLM orquestrar e deixe as ferramentas fazerem o trabalho pesado.** O\nmodelo não precisa *conhecer* a base de código — precisa saber quando chamar\n`read_file` e `search_docs`. Isso joga em favor da força do SLM (decisões delimitadas\ncomo seleção de ferramenta) e contra sua fraqueza (conhecimento amplo, raciocínio\nde múltiplos saltos longo).\n\n## Por que essas peças específicas\n\n- **Foundry Local** expõe um **endpoint HTTP compatível com OpenAI**, portanto o código do agente na nuvem transfere apenas alterando `base_url` (e usando uma chave API local fictícia). Ele também seleciona automaticamente a melhor compilação (CPU\u002FGPU\u002FNPU) para a máquina.\n- Modelos **Qwen** são treinados para chamada de função e geram chamadas de ferramenta bem formadas de forma consistente — isso transforma um modelo *chat* local em um *agente* local.\n- **Chroma** roda no processo e armazena vetores no disco, então todo o pipeline RAG (incorporar → armazenar → recuperar → raciocinar) permanece local.\n- **MCP** é um transporte, não um serviço na nuvem: um servidor MCP pode rodar localmente por `stdio`.\n\n## Essenciais para configuração\n\n```bash\nfoundry model run qwen2.5-7b-instruct\nfoundry service status\n```\n\n```python\nfrom foundry_local import FoundryLocalManager\nfrom openai import OpenAI\n\nmanager = FoundryLocalManager(\"qwen2.5-7b-instruct\")\nclient = OpenAI(base_url=manager.endpoint, api_key=manager.api_key)  # espaço reservado local\n```\n\n~8 GB de RAM é um mínimo realista; GPU\u002FNPU ajuda mas não é obrigatório.\n\n## Padrões-chave para reproduzir\n\nIndique ao aprendiz o notebook\n[`17-local-agent-foundry-local.ipynb`](..\u002F..\u002F..\u002F17-creating-local-ai-agents\u002Fcode_samples\u002F17-local-agent-foundry-local.ipynb):\n\n- **Ferramentas isoladas**: toda ferramenta de arquivo resolve caminhos e rejeita qualquer coisa fora da raiz do projeto — mesmo localmente, uma ferramenta roda com as permissões do usuário.\n- **Loop de chamada de ferramenta**: registre ferramentas no esquema de ferramentas OpenAI, execute ferramentas solicitadas localmente, alimente os resultados de volta, repita até uma resposta final.\n- **RAG local**: atualize documentos numa coleção Chroma; `search_docs` retorna os top-k chunks.\n- **MCP local**: conecte a um servidor local via `stdio`; limite ao diretório do projeto e valide as saídas.\n\n## Roteamento híbrido (local como um dos modelos)\n\n| Situação | Onde roda |\n|-----------|---------------|\n| Dados sensíveis \u002F offline | SLM local |\n| Tarefa simples, delimitada | SLM local (barato, rápido) |\n| Raciocínio complexo de múltiplos saltos em dados não sensíveis | Modelo na nuvem |\n| Queda na nuvem | SLM local (degradação graciosa) |\n\nIsso espelha a ideia do roteamento de modelos da Lição 16, com a estação de trabalho como uma\ndas rotas. Prefira designs que adotem fallback local para que o agente degrade em\nqualidade ao invés de falhar totalmente.\n\n## Guardrails para o assistente\n\n- Mantenha toda operação de arquivo\u002Fferramenta limitada a um diretório de projeto isolado.\n- Não envie código ou dados para a nuvem quando o objetivo declarado do aprendiz for privacidade\u002Foffline — mantenha todo o pipeline local.\n- Defina expectativas realistas para a qualidade do SLM; apoie-se em ferramentas e RAG ao invés do conhecimento memorizado do modelo.\n- Note que a Lição 17 não tem endpoint Foundry Responses, então a ação de smoke-test na nuvem não se aplica — valide executando o notebook localmente.\n\n---\n\n\u003C!-- CO-OP TRANSLATOR DISCLAIMER START -->\n**Aviso Legal**:\nEste documento foi traduzido usando o serviço de tradução por IA [Co-op Translator](https:\u002F\u002Fgithub.com\u002FAzure\u002Fco-op-translator). Embora nos esforcemos pela precisão, por favor, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autorizada. Para informações críticas, recomenda-se tradução profissional humana. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações incorretas decorrentes do uso desta tradução.\n\u003C!-- CO-OP TRANSLATOR DISCLAIMER END -->","# Criando Agentes de IA Locais com Foundry Local e Qwen\n\n> Habilidade acompanhante para [Lição 17 – Criando Agentes de IA Locais](..\u002F..\u002F..\u002F17-creating-local-ai-agents\u002FREADME.md).\n> Use-a para ajudar um aprendiz a construir um agente que raciocina, chama ferramentas e busca\n> documentação inteiramente na sua própria máquina — sem inferência na nuvem. Baseie toda\n> recomendação no conteúdo da lição e no notebook executável.\n\n## Gatihos\n\nAtive essa habilidade quando um aprendiz quiser:\n- Rodar um agente **totalmente no dispositivo** por motivos de privacidade, custo ou offline.\n- Servir um modelo localmente com **Foundry Local** e conectar via endpoint compatível com OpenAI.\n- Usar um modelo de **chamada de função Qwen** para conduzir chamadas confiáveis a ferramentas locais.\n- Adicionar **RAG local** (Chroma) ou um **servidor MCP local**.\n- Projetar uma estratégia de roteamento **híbrida** local\u002Fnuvem.\n\n## Modelo mental principal\n\nUm SLM troca amplitude por privacidade, custo e operação offline. A estratégia vencedora:\n**deixe o SLM orquestrar e deixe as ferramentas fazerem o trabalho pesado.** O\nmodelo não precisa *conhecer* a base de código — precisa saber quando chamar\n`read_file` e `search_docs`. Isso joga em favor da força do SLM (decisões delimitadas\ncomo seleção de ferramenta) e contra sua fraqueza (conhecimento amplo, raciocínio\nde múltiplos saltos longo).\n\n## Por que essas peças específicas\n\n- **Foundry Local** expõe um **endpoint HTTP compatível com OpenAI**, portanto o código do agente na nuvem transfere apenas alterando `base_url` (e usando uma chave API local fictícia). Ele também seleciona automaticamente a melhor compilação (CPU\u002FGPU\u002FNPU) para a máquina.\n- Modelos **Qwen** são treinados para chamada de função e geram chamadas de ferramenta bem formadas de forma consistente — isso transforma um modelo *chat* local em um *agente* local.\n- **Chroma** roda no processo e armazena vetores no disco, então todo o pipeline RAG (incorporar → armazenar → recuperar → raciocinar) permanece local.\n- **MCP** é um transporte, não um serviço na nuvem: um servidor MCP pode rodar localmente por `stdio`.\n\n## Essenciais para configuração\n\n```bash\nfoundry model run qwen2.5-7b-instruct\nfoundry service status\n```\n\n```python\nfrom foundry_local import FoundryLocalManager\nfrom openai import OpenAI\n\nmanager = FoundryLocalManager(\"qwen2.5-7b-instruct\")\nclient = OpenAI(base_url=manager.endpoint, api_key=manager.api_key)  # espaço reservado local\n```\n\n~8 GB de RAM é um mínimo realista; GPU\u002FNPU ajuda mas não é obrigatório.\n\n## Padrões-chave para reproduzir\n\nIndique ao aprendiz o notebook\n[`17-local-agent-foundry-local.ipynb`](..\u002F..\u002F..\u002F17-creating-local-ai-agents\u002Fcode_samples\u002F17-local-agent-foundry-local.ipynb):\n\n- **Ferramentas isoladas**: toda ferramenta de arquivo resolve caminhos e rejeita qualquer coisa fora da raiz do projeto — mesmo localmente, uma ferramenta roda com as permissões do usuário.\n- **Loop de chamada de ferramenta**: registre ferramentas no esquema de ferramentas OpenAI, execute ferramentas solicitadas localmente, alimente os resultados de volta, repita até uma resposta final.\n- **RAG local**: atualize documentos numa coleção Chroma; `search_docs` retorna os top-k chunks.\n- **MCP local**: conecte a um servidor local via `stdio`; limite ao diretório do projeto e valide as saídas.\n\n## Roteamento híbrido (local como um dos modelos)\n\n| Situação | Onde roda |\n|-----------|---------------|\n| Dados sensíveis \u002F offline | SLM local |\n| Tarefa simples, delimitada | SLM local (barato, rápido) |\n| Raciocínio complexo de múltiplos saltos em dados não sensíveis | Modelo na nuvem |\n| Queda na nuvem | SLM local (degradação graciosa) |\n\nIsso espelha a ideia do roteamento de modelos da Lição 16, com a estação de trabalho como uma\ndas rotas. Prefira designs que adotem fallback local para que o agente degrade em\nqualidade ao invés de falhar totalmente.\n\n## Guardrails para o assistente\n\n- Mantenha toda operação de arquivo\u002Fferramenta limitada a um diretório de projeto isolado.\n- Não envie código ou dados para a nuvem quando o objetivo declarado do aprendiz for privacidade\u002Foffline — mantenha todo o pipeline local.\n- Defina expectativas realistas para a qualidade do SLM; apoie-se em ferramentas e RAG ao invés do conhecimento memorizado do modelo.\n- Note que a Lição 17 não tem endpoint Foundry Responses, então a ação de smoke-test na nuvem não se aplica — valide executando o notebook localmente.\n\n---\n\n\u003C!-- CO-OP TRANSLATOR DISCLAIMER START -->\n**Aviso Legal**:\nEste documento foi traduzido usando o serviço de tradução por IA [Co-op Translator](https:\u002F\u002Fgithub.com\u002FAzure\u002Fco-op-translator). Embora nos esforcemos pela precisão, por favor, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autorizada. Para informações críticas, recomenda-se tradução profissional humana. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações incorretas decorrentes do uso desta tradução.\n\u003C!-- CO-OP TRANSLATOR DISCLAIMER END -->",{"name":5,"license":14},"main","f09e94ffe170f8af6d3db7c42987bbe4db227723","translations\u002Fpt-BR\u002F.agents\u002Fskills\u002Flocal-ai-agents",26019,"https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fai-agents-for-beginners","https:\u002F\u002Faka.ms\u002Fai-agents-beginners","https:\u002F\u002Fgithub.com\u002Fmicrosoft","https:\u002F\u002Fopensource.microsoft.com","Open source projects and samples from Microsoft","2026-11-07 12:51:12",{"source":7,"skillName":5,"commands":36,"prompt":46,"zipAvailable":47},[37,40,43],{"tool":38,"command":39},"npx","npx skills add microsoft\u002Fai-agents-for-beginners --skill local-ai-agents",{"tool":41,"command":42},"bunx","bunx skills add microsoft\u002Fai-agents-for-beginners --skill local-ai-agents",{"tool":44,"command":45},"pnpm","pnpm dlx skills add microsoft\u002Fai-agents-for-beginners --skill local-ai-agents","安装技能，技能地址：https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fai-agents-for-beginners\u002Fblob\u002Fmain\u002Ftranslations\u002Fpt-BR\u002F.agents\u002Fskills\u002Flocal-ai-agents\u002FSKILL.md",true,[49,55,61,65,71,76,80,84,88,92,96,102,106,110,114,118,122,126,130,134],{"path":50,"resourceType":51,"resourceTypeDesc":52,"sizeBytes":53,"sourceHtmlUrl":54},".gitignore","OTHER","其他",723,"https:\u002F\u002Fgithub.com\u002Fshengdabai\u002FTony-Claude-Code-Skills\u002Fblob\u002Fmain\u002Fskills\u002F_collections\u002Fnotebooklm-skill\u002F.gitignore",{"path":56,"resourceType":57,"resourceTypeDesc":58,"sizeBytes":59,"sourceHtmlUrl":60},"AUTHENTICATION.md","REFERENCE","参考文档",5729,"https:\u002F\u002Fgithub.com\u002Fshengdabai\u002FTony-Claude-Code-Skills\u002Fblob\u002Fmain\u002Fskills\u002F_collections\u002Fnotebooklm-skill\u002FAUTHENTICATION.md",{"path":62,"resourceType":57,"resourceTypeDesc":58,"sizeBytes":63,"sourceHtmlUrl":64},"CHANGELOG.md",1774,"https:\u002F\u002Fgithub.com\u002Fshengdabai\u002FTony-Claude-Code-Skills\u002Fblob\u002Fmain\u002Fskills\u002F_collections\u002Fnotebooklm-skill\u002FCHANGELOG.md",{"path":66,"resourceType":67,"resourceTypeDesc":68,"sizeBytes":69,"sourceHtmlUrl":70},"images\u002Fexample_notebookchat.png","ASSET","资产文件",137552,"https:\u002F\u002Fgithub.com\u002Fshengdabai\u002FTony-Claude-Code-Skills\u002Fblob\u002Fmain\u002Fskills\u002F_collections\u002Fnotebooklm-skill\u002Fimages\u002Fexample_notebookchat.png",{"path":72,"resourceType":72,"resourceTypeDesc":73,"sizeBytes":74,"sourceHtmlUrl":75},"LICENSE","许可证",1072,"https:\u002F\u002Fgithub.com\u002Fshengdabai\u002FTony-Claude-Code-Skills\u002Fblob\u002Fmain\u002Fskills\u002F_collections\u002Fnotebooklm-skill\u002FLICENSE",{"path":77,"resourceType":57,"resourceTypeDesc":58,"sizeBytes":78,"sourceHtmlUrl":79},"README.md",15901,"https:\u002F\u002Fgithub.com\u002Fshengdabai\u002FTony-Claude-Code-Skills\u002Fblob\u002Fmain\u002Fskills\u002F_collections\u002Fnotebooklm-skill\u002FREADME.md",{"path":81,"resourceType":57,"resourceTypeDesc":58,"sizeBytes":82,"sourceHtmlUrl":83},"references\u002Fapi_reference.md",7630,"https:\u002F\u002Fgithub.com\u002Fshengdabai\u002FTony-Claude-Code-Skills\u002Fblob\u002Fmain\u002Fskills\u002F_collections\u002Fnotebooklm-skill\u002Freferences\u002Fapi_reference.md",{"path":85,"resourceType":57,"resourceTypeDesc":58,"sizeBytes":86,"sourceHtmlUrl":87},"references\u002Ftroubleshooting.md",8994,"https:\u002F\u002Fgithub.com\u002Fshengdabai\u002FTony-Claude-Code-Skills\u002Fblob\u002Fmain\u002Fskills\u002F_collections\u002Fnotebooklm-skill\u002Freferences\u002Ftroubleshooting.md",{"path":89,"resourceType":57,"resourceTypeDesc":58,"sizeBytes":90,"sourceHtmlUrl":91},"references\u002Fusage_patterns.md",9574,"https:\u002F\u002Fgithub.com\u002Fshengdabai\u002FTony-Claude-Code-Skills\u002Fblob\u002Fmain\u002Fskills\u002F_collections\u002Fnotebooklm-skill\u002Freferences\u002Fusage_patterns.md",{"path":93,"resourceType":57,"resourceTypeDesc":58,"sizeBytes":94,"sourceHtmlUrl":95},"requirements.txt",325,"https:\u002F\u002Fgithub.com\u002Fshengdabai\u002FTony-Claude-Code-Skills\u002Fblob\u002Fmain\u002Fskills\u002F_collections\u002Fnotebooklm-skill\u002Frequirements.txt",{"path":97,"resourceType":98,"resourceTypeDesc":99,"sizeBytes":100,"sourceHtmlUrl":101},"scripts\u002F__init__.py","SCRIPT","脚本",2627,"https:\u002F\u002Fgithub.com\u002Fshengdabai\u002FTony-Claude-Code-Skills\u002Fblob\u002Fmain\u002Fskills\u002F_collections\u002Fnotebooklm-skill\u002Fscripts\u002F__init__.py",{"path":103,"resourceType":98,"resourceTypeDesc":99,"sizeBytes":104,"sourceHtmlUrl":105},"scripts\u002Fask_question.py",8196,"https:\u002F\u002Fgithub.com\u002Fshengdabai\u002FTony-Claude-Code-Skills\u002Fblob\u002Fmain\u002Fskills\u002F_collections\u002Fnotebooklm-skill\u002Fscripts\u002Fask_question.py",{"path":107,"resourceType":98,"resourceTypeDesc":99,"sizeBytes":108,"sourceHtmlUrl":109},"scripts\u002Fauth_manager.py",11544,"https:\u002F\u002Fgithub.com\u002Fshengdabai\u002FTony-Claude-Code-Skills\u002Fblob\u002Fmain\u002Fskills\u002F_collections\u002Fnotebooklm-skill\u002Fscripts\u002Fauth_manager.py",{"path":111,"resourceType":98,"resourceTypeDesc":99,"sizeBytes":112,"sourceHtmlUrl":113},"scripts\u002Fbrowser_session.py",8725,"https:\u002F\u002Fgithub.com\u002Fshengdabai\u002FTony-Claude-Code-Skills\u002Fblob\u002Fmain\u002Fskills\u002F_collections\u002Fnotebooklm-skill\u002Fscripts\u002Fbrowser_session.py",{"path":115,"resourceType":98,"resourceTypeDesc":99,"sizeBytes":116,"sourceHtmlUrl":117},"scripts\u002Fbrowser_utils.py",3476,"https:\u002F\u002Fgithub.com\u002Fshengdabai\u002FTony-Claude-Code-Skills\u002Fblob\u002Fmain\u002Fskills\u002F_collections\u002Fnotebooklm-skill\u002Fscripts\u002Fbrowser_utils.py",{"path":119,"resourceType":98,"resourceTypeDesc":99,"sizeBytes":120,"sourceHtmlUrl":121},"scripts\u002Fcleanup_manager.py",9777,"https:\u002F\u002Fgithub.com\u002Fshengdabai\u002FTony-Claude-Code-Skills\u002Fblob\u002Fmain\u002Fskills\u002F_collections\u002Fnotebooklm-skill\u002Fscripts\u002Fcleanup_manager.py",{"path":123,"resourceType":98,"resourceTypeDesc":99,"sizeBytes":124,"sourceHtmlUrl":125},"scripts\u002Fconfig.py",1228,"https:\u002F\u002Fgithub.com\u002Fshengdabai\u002FTony-Claude-Code-Skills\u002Fblob\u002Fmain\u002Fskills\u002F_collections\u002Fnotebooklm-skill\u002Fscripts\u002Fconfig.py",{"path":127,"resourceType":98,"resourceTypeDesc":99,"sizeBytes":128,"sourceHtmlUrl":129},"scripts\u002Fnotebook_manager.py",13843,"https:\u002F\u002Fgithub.com\u002Fshengdabai\u002FTony-Claude-Code-Skills\u002Fblob\u002Fmain\u002Fskills\u002F_collections\u002Fnotebooklm-skill\u002Fscripts\u002Fnotebook_manager.py",{"path":131,"resourceType":98,"resourceTypeDesc":99,"sizeBytes":132,"sourceHtmlUrl":133},"scripts\u002Frun.py",2967,"https:\u002F\u002Fgithub.com\u002Fshengdabai\u002FTony-Claude-Code-Skills\u002Fblob\u002Fmain\u002Fskills\u002F_collections\u002Fnotebooklm-skill\u002Fscripts\u002Frun.py",{"path":135,"resourceType":98,"resourceTypeDesc":99,"sizeBytes":136,"sourceHtmlUrl":137},"scripts\u002Fsetup_environment.py",7168,"https:\u002F\u002Fgithub.com\u002Fshengdabai\u002FTony-Claude-Code-Skills\u002Fblob\u002Fmain\u002Fskills\u002F_collections\u002Fnotebooklm-skill\u002Fscripts\u002Fsetup_environment.py",[139,157,168,173,181,188],{"skillNo":140,"name":141,"nameZh":6,"description":6,"descriptionZh":6,"repositoryFullName":7,"ownerLogin":8,"ownerAvatarUrl":9,"ownerAccountNo":10,"ownerDisplayName":11,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":6,"sourceHtmlUrl":142,"categories":143,"keywords":154,"publishedAt":20},"01M69A206TRZ8KK0CW0HYJF5V5","testing-course-samples","https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fai-agents-for-beginners\u002Fblob\u002Fmain\u002Ftranslations\u002Fzh-TW\u002F.agents\u002Fskills\u002Ftesting-course-samples\u002FSKILL.md",[144,149],{"categoryNo":145,"categoryName":146,"taxonomyType":147,"taxonomyTypeDesc":148},"01JBSEEDCAT000000000000008","测试与质量","SCENARIO","使用场景",{"categoryNo":150,"categoryName":151,"taxonomyType":152,"taxonomyTypeDesc":153},"01JBSEEDCAT000000000000039","教师与教育","PROFESSION","适用职业",[155,156],"testing","testing course samples",{"skillNo":158,"name":159,"nameZh":6,"description":6,"descriptionZh":6,"repositoryFullName":7,"ownerLogin":8,"ownerAvatarUrl":9,"ownerAccountNo":10,"ownerDisplayName":11,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":6,"sourceHtmlUrl":160,"categories":161,"keywords":165,"publishedAt":20},"01M69A1XRB2SFHYRMEH0K08EKZ","microsoft-docs","https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fai-agents-for-beginners\u002Fblob\u002Fmain\u002Ftranslations\u002Fzh-TW\u002F.agents\u002Fskills\u002Fmicrosoft-docs\u002FSKILL.md",[162],{"categoryNo":163,"categoryName":164,"taxonomyType":147,"taxonomyTypeDesc":148},"01JBSEEDCAT000000000000023","Skill与智能体开发",[166,8,167],"docs","microsoft docs",{"skillNo":169,"name":5,"nameZh":6,"description":6,"descriptionZh":6,"repositoryFullName":7,"ownerLogin":8,"ownerAvatarUrl":9,"ownerAccountNo":10,"ownerDisplayName":11,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":6,"sourceHtmlUrl":170,"categories":171,"keywords":172,"publishedAt":20},"01M69A1VPZFJQ1HNGTZQ5P3WSC","https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fai-agents-for-beginners\u002Fblob\u002Fmain\u002Ftranslations\u002Fzh-TW\u002F.agents\u002Fskills\u002Flocal-ai-agents\u002FSKILL.md",[],[18,19],{"skillNo":174,"name":175,"nameZh":6,"description":176,"descriptionZh":6,"repositoryFullName":7,"ownerLogin":8,"ownerAvatarUrl":9,"ownerAccountNo":10,"ownerDisplayName":11,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":6,"sourceHtmlUrl":177,"categories":178,"keywords":179,"publishedAt":20},"01M69A1S947N7MM6V9JF85S2E7","jupyter-notebook","當使用者要求建立、搭建或編輯 Jupyter 筆記本（`.ipynb`）用於實驗、探索或教學時使用；優先使用隨附範本並執行輔助腳本 `new_notebook.py` 來產生一個乾淨的起始筆記本。","https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fai-agents-for-beginners\u002Fblob\u002Fmain\u002Ftranslations\u002Fzh-TW\u002F.agents\u002Fskills\u002Fjupyter-notebook\u002FSKILL.md",[],[180],"jupyter notebook",{"skillNo":182,"name":183,"nameZh":6,"description":6,"descriptionZh":6,"repositoryFullName":7,"ownerLogin":8,"ownerAvatarUrl":9,"ownerAccountNo":10,"ownerDisplayName":11,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":6,"sourceHtmlUrl":184,"categories":185,"keywords":186,"publishedAt":20},"01M69A1Q8EXPWKZSQK69V6WF22","deploying-scalable-agents","https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fai-agents-for-beginners\u002Fblob\u002Fmain\u002Ftranslations\u002Fzh-TW\u002F.agents\u002Fskills\u002Fdeploying-scalable-agents\u002FSKILL.md",[],[187],"deploying scalable agents",{"skillNo":189,"name":190,"nameZh":6,"description":6,"descriptionZh":6,"repositoryFullName":7,"ownerLogin":8,"ownerAvatarUrl":9,"ownerAccountNo":10,"ownerDisplayName":11,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":6,"sourceHtmlUrl":191,"categories":192,"keywords":193,"publishedAt":20},"01M69A1MHZTH3RH9N8VYSYG74X","azure-openai-to-responses","https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fai-agents-for-beginners\u002Fblob\u002Fmain\u002Ftranslations\u002Fzh-TW\u002F.agents\u002Fskills\u002Fazure-openai-to-responses\u002FSKILL.md",[],[194],"azure openai to responses"]